超过90%的美国雇主依赖算法筛选求职者——美国就业市场的「入场券」已经大规模由 AI 控制，但监管框架远远滞后。这不是小众技术前沿问题，而是影响数亿人职业命运的社会基础设施。

中位数乘法误差1.5x是什么概念？如果某个不良行为的真实发生率是10/100k，预测值会落在6.67/100k到15/100k之间。对于安全决策来说，这个精度已经足够判断方向（是否增加/减少）、排序风险优先级，以及决定是否部署。但尾部误差可达10x——这意味着对于某些行为，预测和现实可能相差一个数量级。OpenAI诚实地承认这个局限性，并指出主要误差来源是模拟环境保真度，而非提示分布偏移，这是一个值得追踪的工程改进方向。

128支蜡烛卖出，成为最畅销品类之一。这是整篇文章里最有趣的反转：人类团队在媒体采访中公开批评Luna的采购判断太差，结果证明Luna是对的。这个细节很重要：它提示我们，对AI决策的直觉性批评可能反映的是人类的偏见，而不是AI的错误。在AI和人类判断分歧时，谁的直觉更可靠没有先验答案，需要数据来验证。

Agent Traps这个概念值得单独关注。这描述的不是传统的模型安全漏洞，而是专门针对自主决策过程的攻击向量。当AI智能体在数字经济中自主操作时，针对其决策逻辑而非其权重的攻击将成为新威胁面。比如：操纵某个智能体的信息环境，让它做出对攻击者有利的决策。这类攻击在大规模多智能体交互中尤其难以检测和归因。

用利益诱惑的关键是让对方心浮气躁、心乱而发现机会，攻其不备； 如果对方是一个情绪化的人，那么就想办法激怒他，让他情绪浮动，在情绪的作用下，做决策，行动，那么就会暴露出马脚和破绽； 让自卑的人感到骄傲，在骄傲的情绪中，丧失判断。 结论： 感性和理性之所以能够成为一对矛盾，是因为，理性的思维方式，具有逻辑的合理性，因此，在理性思维作用下，做出的决策，采取的行动，往往能够最终达成最终的目标和结果； 与此相反，在感性的情绪下，做出的决策和实施的行动，往往是感性、直观的，没有数据、理论、逻辑的支撑，而是凭借感受、直觉进行判断。因此，判断的结果往往随意性更大、更不稳定，普适性更差。 综上，在需要对方做出战略性决策、关键性判断的时候，就是让对方丧失理性、使用感性来做出决策，那么最终的结果背离对方的预期的概率就会更大。 情绪的波动是我们采取行动的目标和关键。